本研究提出了一种新的波形归因方法（WAM），用于解决深度神经网络在安全决策中的不透明性。WAM扩展了传统梯度归因方法，统一解释图像、音频和3D形状分类器。实验表明，WAM在忠实性和解释性上优于现有方法，能识别输入的重要区域和模式。

该研究提出了一种通用解释框架，可用于任何黑盒机器学习算法，并特化于找到对分类器决策最负责的图像部分。该方法基于明确且可解释的图像扰动，是模型无关且可测试的。